在经济全球化的背景下,外汇汇率预测一直是中外学者重点研究和关注的对象之一。正确有效地预测汇率除了能够帮助国家进行汇率相关政策的制定和调整之外,对于各金融机构、外贸企业以及外汇汇率市场的投资者也有着极其重要的意义。由于影响外汇汇率变动的因素多种多样,使得外汇汇率的波动非常复杂,近似于一个不确定的非线性系统,因此外汇汇率预测是一个较为典型的非线性预测问题,而卷积神经网络（CNN）对于解决这类非线性问题比浅层人工神经网络和传统的计量经济模型具有更加独特的优势。本文选取了国际外汇市场中的三种货币对:人民币兑美元（CNY/USD）、欧元兑美元（EUR/USD）以及英镑兑美元（GBP/USD）从2005年1月到2019年12月的日收盘价数据,使用一种基于卷积神经网络模型（CNN）和计量经济模型（VAR-VECM）的组合模型（VAR-VECM-CNN）来进行实证分析,同时以人工神经网络模型（ANN）和计量经济模型（VAR-VECM）作为对照模型。为了客观地反映模型的预测性能,本文使用了在时间序列预测领域中被广泛使用的三个指标来对各个模型的预测效果进行评价分析,包括均方根误差（RMSE）、平均绝对百分比误差（MAPE）和方向精度（DA）。通过比较卷积神经网络模型（CNN）和计量经济模型（VAR-VECM）的组合模型（VAR-VECM-CNN）预测结果的三个性能评价指标和计量经济模型（VAR-VECM）、人工神经网络模型（ANN）、卷积神经网络模型（CNN）以及人工神经网络模型（ANN）和计量经济模型（VAR-VECM）的组合模型（VAR-VECM-ANN）预测结果的三个性能评价指标,以此来说明卷积神经网络模型（CNN）在外汇汇率预测上是否有更好的效果。结论证明,本文基于卷积神经网络模型（CNN）设计的组合模型（VAR-VECM-CNN）能够比计量经济模型（VAR-VECM）、人工神经网络模型（ANN）、卷积神经网络模型（CNN）以及基于人工神经网络模型（ANN）的组合模型（VAR-VECM-ANN）更好的对外汇汇率进行预测。